目的 为适应互联网+智能医疗的时代需求，纳入舌诊仪图像数据及问诊结构化数据，采用深度学习、多模态融合等方法构建2型糖尿病中医证素辨证模型，为中医智能化辨证提供实验支撑和科学依据。方法 共纳入2585例2型糖尿病患者，邀请3位专家分别进行证素辨证标记。基于深度全连接神经网络、U2-Net与ResNet34等网络构建基于舌图数据、症候数据的症候辨证模型（S-Model）、舌图辨证模型（T-Model），并采用多模态融合技术构建以二者为共同输入的多模态融合辨证模型（TS-Model）。通过F1值、精确率、召回率等对比不同模型预测性能。结果 T-Model对十四类证素的预测F1值波动于0.000%-86.726%,S-Model的预测F1值波动于0.000%-97.826%,TS-Mode的预测F1值波动于55.556%-99.065%。与T-Model、S-Model对比，TS-Model整体F1值较高且稳定。结论 基于深度学习多模态融合技术构建中医证素智能辨证模型性能较好。多模态融合技术适用于中医证素辨证模型优化，为下一步建立四诊信息全客观化的高度智能证素辨证模型提供方法学支持。
